Bab pertama akan memperkenalkan MLOps dan mengapa hal ini diperlukan bagi bisnis yang ingin merancang, mengembangkan, dan mengoperasikan banyak aplikasi machine learning secara bersamaan. Anda akan mempelajari elemen utama MLOps, seperti penskalaan dan otomatisasi, manfaatnya, serta mengapa MLOps tetap menantang. Anda juga akan mengeksplorasi apa yang diperlukan untuk memulai perjalanan MLOps baik dari perspektif teknologi maupun manajerial. 

Apa itu MLOps?

MLOps: serangkaian praktik untuk ...

Opsi

Benar (berlaku untuk MLOps)

Salah (tidak berlaku untuk MLOPs)

Apa saja karakteristik MLOps?

Alasan bisnis untuk MLOps

Bidang-bidang terkait MLOps

Cara berinvestasi dalam MLOps

Alasan untuk berinvestasi dalam MLOps

Bukan alasan untuk berinvestasi dalam MLOps

Meletakkan fondasi untuk MLOps

Anggota tim MLOps

Prasyarat untuk MLOps

Bukan prasyarat untuk MLOps

Prasyarat MLOps

Elemen tim MLOps yang sukses

Elemen opsional dari tim MLOps

Elemen MLOps

Pengenalan MLOps

Pada bab kedua, Anda akan mempelajari seluruh siklus hidup MLOps dari perancangan hingga pengembangan, penerapan, dan operasional. Anda akan memahami mengapa pemantauan penting bagi aplikasi machine learning yang produktif dan mengapa kita harus melatih ulang model machine learning secara berkala. 

Penjelasan MLOps dari awal hingga akhir

Sepuluh langkah penting dalam siklus hidup MLOps

Tahapan utama dalam sebuah aplikasi MLOps

Tugas penting di tahapan utama MLOps

Fase perancangan

Menunda tugas pada fase desain

Cetak Biru untuk Sukses: Merancang Proyek MLOps Anda

Fase pengembangan

Tugas pengembangan

Peran dalam fase pengembangan

Pemantauan, pelatihan ulang, dan penggantian aplikasi MLOps

Karakteristik siklus hidup MLOps

Tanggung jawab individu dalam mengembangkan use case MLOps

Siklus hidup MLOps

Siklus Hidup MLOps

Pada bab ketiga, Anda akan beralih dari teori ke praktik dan menemukan tantangan serta risiko utama dalam menerapkan model machine learning. Anda juga akan mempelajari bagaimana tim MLOps beroperasi dengan sukses dan apa yang dapat dilakukan manajemen untuk mendorong penskalaan machine learning yang berhasil.  

Tantangan bisnis dan risiko terkait MLOps

Apa yang membuat MLOps menantang?

Perangkat lunak tradisional vs. MLOps

Potensi risiko bisnis MLOps

Cara Tim MLOps Beroperasi dengan Sukses

Tim bergaya DevOps

Tantangan dalam menerapkan MLOps

Kondisi MLOps Saat Ini

Pernyataan yang keliru tentang MLOps

Alasan MLOps itu menantang

MLOps: Dari Teori ke Praktik

Bab terakhir akan menunjukkan cara memulai perjalanan MLOps bisnis Anda dengan sukses dengan membahas praktik terbaik dan jebakan yang perlu dihindari. Terakhir, Anda akan meninjau berbagai tingkat kematangan MLOps dan menutup kursus dengan studi kasus nyata tentang merancang, mengembangkan, dan mengoperasikan aplikasi machine learning untuk proses produksi yang kritis.


Cara bisnis menjadi sepenuhnya siap untuk MLOps

KPI MLOps yang Valid

Urutkan tingkat kematangan deployment

Tingkat kematangan MLOps

Praktik terbaik dan jebakan dalam MLOps

Apa yang perlu kita uji?

(Bukan) Praktik terbaik

Studi kasus MLOps: Meningkatkan keuntungan dengan MLOps

Poin-poin kunci dari studi kasus

Rangkuman

MLOps di Dunia Nyata


Pelajari konsep dan praktik penting MLOps, seperangkat alat dan teknik yang terus berkembang untuk mengotomatisasi dan menskalakan aplikasi machine learning.

Pengembangan model machine learning dulunya merupakan tugas manual yang memakan waktu, dan sebagian besar model tidak pernah masuk ke produksi. Dengan MLOps, bisnis dapat secara efektif menskalakan dan mengotomatisasi perancangan, pengembangan, dan pengoperasian model machine learning.

Kursus ini akan mengajarkan apa itu MLOps dan bagaimana Anda dapat menggunakannya untuk menjadi perusahaan machine learning yang matang sepenuhnya. Anda akan mempelajari persyaratan untuk MLOps, alat, teknik, dan peran yang terlibat, serta cara menghindari jebakan umum.

Pada akhir kursus, Anda akan memiliki pemahaman mendalam tentang cara merancang, mengembangkan, dan mengoperasikan aplikasi machine learning dalam skala besar dan mampu memaksimalkan dampak machine learning pada bisnis Anda.

<h2>Temukan MLOps untuk Bisnis</h2>
Pelajari konsep dan praktik dasar MLOps, seperangkat alat dan teknik yang sedang berkembang untuk mengotomatisasi dan menskalakan aplikasi machine learning.

Pengembangan model pembelajaran mesin dulunya merupakan tugas manual yang memakan waktu, dan sebagian besar model tidak pernah diterapkan dalam produksi. Dengan MLOps, perusahaan dapat secara efektif menskalakan dan mengotomatisasi desain, pengembangan, dan pengoperasian model pembelajaran mesin.
<h2>Pelajari Cara Menggunakan Operasi Pembelajaran Mesin dalam Bisnis Anda</h2>
Kursus ini akan mengajarkan Anda apa itu MLOps dan bagaimana Anda dapat menggunakannya untuk menjadi perusahaan machine learning yang sepenuhnya matang. Anda akan mempelajari persyaratan untuk MLOps, alat, teknik, dan orang-orang yang terlibat, serta cara menghindari kesalahan umum.

Anda akan memulai dengan mempelajari elemen-elemen utama MLOps dan mengapa hal ini sangat penting bagi bisnis yang ingin merancang, mengembangkan, dan mengoperasikan berbagai aplikasi machine learning.
<h2>Jelajahi Siklus Hidup MLOps</h2>
Selanjutnya, Anda akan menjelajahi seluruh siklus hidup MLOps, mulai dari desain hingga pengembangan, implementasi, dan operasional. Pada Bab 3, Anda akan mempelajari tantangan dan risiko utama dalam penerapan model pembelajaran mesin dalam praktik.

Akhirnya, Anda akan mempelajari praktik terbaik dan studi kasus untuk implementasi MLOps yang sukses di dunia nyata.

Pada akhir kursus ini, Anda akan memiliki pemahaman mendalam tentang cara merancang, mengembangkan, dan mengoperasikan aplikasi machine learning secara besar-besaran, serta mampu memanfaatkan dampak machine learning pada bisnis Anda.


Machine Learning for Business

Pelajari MLOps, alat, dan praktik untuk otomatisasi dan skala aplikasi pembelajaran mesin.

MLOps untuk Bisnis

Pelajari tentang MLOps, termasuk alat dan praktik yang diperlukan untuk mengotomatisasi dan menskalakan aplikasi machine learning.

Aplikasi MLOps mudah dipelihara dan mudah beradaptasi

Solusi MLOps (sebagian besar) terotomatisasi

MLOps tidak memerlukan keterampilan teknis

Apa saja karakteristik MLOps?

MLOps untuk Bisnis

Latihan interaktif langsung